两份职业讣告——同一周，两家最大 AI 公司在埋葬白领

两份讣告，刀口不在同一个地方

两个人都在说「白领完了」，但下刀的位置完全不同，这一点比结论本身重要。

Suleyman 切的是任务。他的逻辑链是：AI 即将达到「在大多数、甚至所有专业任务上的人类水平表现」，所以坐在电脑前的活——核对账目、起草合同、排项目计划、写营销文案——会被一项项接管。他甚至给了一个平民化的注脚：「创建一个新模型会变得像做一档播客或写一篇博客。」意思是，定制 AI 的门槛会低到每个组织都能自己造一个干活的。这是一条「能力够了，所以岗位会被填平」的叙事。

Amodei 切的是商业模式的地基。他没纠缠「AI 能不能干这活」，直接动定价逻辑：「如果你的护城河是『我们的软件复杂、难写，我们能写别人写不出来』，这个护城河正在消失。」更狠的一句藏在经济账里——把软件开发成本摊到数百万用户头上、再按月收费，这套 SaaS 的基本前提，在「写软件接近免费」的世界里会变成假命题。岗位消失只是结果，原因是整个软件生意的收钱方式被抽掉了地基。

这就是两份讣告真正的区别。Suleyman 说的是「你的活会被机器干」，杀伤范围是职位描述里那几行 bullet。Amodei 说的是「养活你这个职位的那门生意，定价模型塌了」，杀伤范围是整条价值链——一个会计岗位消失，可能是因为 AI 会算账；但一家财税 SaaS 公司消失，会连带它的销售、客户成功、产品经理一起消失。后者的爆炸半径大得多。

把两张证明书叠在一起看，它们互相补全：一个人在说终点（岗位没了），一个人在说机制（生意没了）。单独看任何一个都像情绪，叠起来才像一个完整的论证结构。但这个结构成不成立，要看第二个问题——是谁在签这张证明书。

把预言放回签发人的资产负债表

判断一个预言，先别问它对不对，先问说它的人靠卖什么吃饭。这不是诛心，这是读高管发言的基本功——官方话术是外交辞令，资产负债表才是真信号。

Suleyman 的资产负债表上写着「超级智能」。他反复讲，微软 AI 的核心使命是实现 superintelligence，自研基础模型，降低对 OpenAI 的依赖。一个把「造出比人强的通用智能」当作公司存在理由的人，需要市场相信两件事：第一，那个智能很快就会强到接管专业工作；第二，所以你现在就得为它腾位置、付钱、签长约。「18 个月内白领全自动化」不是一个中立的技术预测，它是「超级智能马上兑现」这个商业叙事的直接推论。预言越激进，自研叙事的紧迫感越强。

Amodei 的资产负债表上写着一个 3500 亿美元估值的公司，主营业务是卖能写代码的 AI。「软件接近免费、复杂度护城河消失」这句话，听上去是给整个软件行业敲丧钟，但它实际指向的结论是：价值正在从「写出复杂软件的公司」转移到「掌握生成软件那个模型的公司」。谁掌握那个模型？正是 Anthropic 这类公司。Amodei 描述的是一场把筹码从 SaaS 桌子推到模型桌子上的再分配——所有人都输只是表象，而他坐在收筹码的那一桌。

承认动机，不等于判定撒谎。这里必须把刀往回收一寸：动机不纯，不代表判断必错。两人之间也有清楚的分寸差。Suleyman 给了一个干净利落的时间表和一句「像写博客一样造模型」的金句，没有附带任何不确定性。Amodei 相反，他在同一场访谈里说了三件给自己上难度的话——AI 可能带来「5% 到 10% 的 GDP 增长，同时 10% 的失业率，这在逻辑上完全不矛盾」；他担忧「人们对即将到来之事及其量级普遍缺乏认知」；他主张需要政府干预来管理替代和财富分配。一个推销员不会主动说「我的产品会制造大规模失业，需要政府来收拾」。Amodei 的预言里有自我设限，Suleyman 的没有。两人动机方向一致，但论证的诚实度不在一个量级。

历史的体检报告：上一张证明书开错了

要校准这两份讣告值多少钱，最便宜的办法是翻出上一份同样规格的讣告，看它兑现得怎么样。

2013 年，牛津的 Frey 和 Osborne 甩出那篇引爆全网的研究：美国 47% 的岗位在未来 10 到 20 年面临高自动化风险。这个数字登上《华盛顿邮报》《经济学人》，成了此后十年「机器要抢工作」叙事的源头。它的方法论后来被反复批评——按整个职业打分，而不是按任务，忽略了同一职业里不同岗位的任务结构差异。

它的问题不止在方法，更在结果错得方向都不对。ITIF 在 2022 年做了一次复盘：被这套模型判为最高自动化风险的职业之一是保险核保员，结果 2013 到 2021 年，核保员就业不降反升，增长了 16.4%。模型给出的计算机化风险评分，和实际岗位流失之间的相关系数只有 0.26——弱到几乎可以说没关系，部分职业甚至呈反向。同一年针对同一现象，OECD 估计 9%，麦肯锡估计 5%，普华永道估计 30%。同一个世界，权威机构的估值能差五倍以上。

这就是所有「X 个月内 Y 全自动化」类预言要面对的历史基率：上一轮最高调、传播最广、措辞最确定的那一个，把最危险的职业指错了方向。

2026 年的实测数据没有改写这个基率，只是把它更新到了当下。美联储测算，自 2022 年底 ChatGPT 发布以来，累计超额生产力增长只有 1.9%——相对铺天盖地的叙事，这个数字温和得反常。美国国家经济研究局 2026 年 2 月调查了美、英、德、澳四国 6000 名 CEO 与高管，绝大多数表示 AI 对其运营影响甚微，经济学家因此搬出了四十年前的「索洛生产力悖论」（到处都看见计算机，就是不在生产率统计里）。MIT 的数据是 95% 的企业 AI 试点对损益表零可量化影响；摩根士丹利发现标普 500 里只有 21% 的公司能指出一项可量化的 AI 收益。值得一记的是失败归因——77% 的 AI 项目失败是组织性的（数据碎片、权限混乱、流程没改），只有 23% 是技术性的。也就是说，挡住自动化的从来不是模型不够强，是组织没准备好接它。这恰好是 Suleyman 那条「能力够了所以岗位会被填平」叙事跳过的那一环。

盲区：这次哪里可能真不一样

把历史基率甩在桌上很解气，但「这次没什么不同」本身也是一种廉价的反驳。诚实地讲，有一处这次确实和 2013 不一样，必须摆出来。

斯坦福 2025 年 11 月的一份预印本发现：22 到 25 岁、处于 AI 暴露度最高职业的早期从业者，就业相对下降了 16%；而其他年龄段、其他职业的就业基本稳定。这是一个真实的、已经发生的信号——但它的形状和两位高管的预言不一样。它不是「坐电脑前的全员被自动化」，是入门级岗位被掐住。AI 没有抹平整个职业，它抽掉了职业的第一级台阶。这对一个 25 岁的初级分析师是切肤之痛，但它是分层的、局部的，不是 Suleyman 描述的那种水漫金山。

另一处盲区在反方向。把两人都归为「卖货的，所以不可信」同样偷懒。Carnegie 国际和平基金会今年 4 月把这场争论拆成三个阵营：警报派（Amodei 早先有名言，AI 可能在 1 到 5 年内消灭一半入门级白领岗位）、耐心派（普林斯顿的 Narayanan 和 Kapoor 认为变革以数十年计）、兴奋派（Andreessen 称技术从不毁灭就业）。诺奖得主 Acemoglu 站在数据这边，说现有证据不支持那些「亢奋预测」。值得注意的不是谁对——这一仗的结果要到 2027 年才看得清——而是连最克制的经济学家也承认，分层冲击的早期数据是真的。预言者的动机可以被怀疑，他们指向的方向不能被一笔勾销。盲区是双向的：高估的人在卖未来，低估的人在用历史基率麻痹自己面对一个确实在变形的劳动力市场。

对从业者意味着什么

两份讣告真正该改变的，不是你的恐慌程度，是你这周看哪几个数字。

• 企业 AI PM：本周别拿「18 个月」去推预算，拿你自己产品线过去两个季度的 AI 功能采用率和留存去推。如果你的真实数字和 MIT 那个「95% 试点零 P&L」一个量级，问题在组织接口，不在模型，先修接口。
• 架构师：本周做一次「护城河体检」——假设核心系统的复杂度三个月内对竞争对手不再是壁垒（因为对方也能用模型生成），你还剩什么留得住客户？答不出来，说明你的护城河本来就建在 Amodei 点名的那块沙地上。
• CTO / 创始人：本周和团队复盘一个问题——你们的 SaaS 定价是不是建立在「开发成本摊给百万用户」这个前提上？如果是，做一版「软件边际成本趋零」情境下的收入模型，不为了恐慌，为了知道哪条腿先软。
• 一线工程师 / 分析师：本周关注的不是「我会不会被取代」，是「入门级台阶在不在」。斯坦福那 16% 砍的是初级岗。如果你管招聘或带新人，本周想清楚没有初级层，你的高级岗三年后从哪来。
• 投资人 / 战略：本周把任何「N 个月内全自动化」的发言，自动换算成「说话人卖什么」。Suleyman 卖超级智能，Amodei 卖编码模型——预言的激进程度和它服务的商业叙事高度相关，这是估值模型里该有的一个折扣项。

本期关键词

预言资产负债表 — 读 AI 高管对未来的判断时，先把这句话放回说话人靠什么赚钱的位置上。Suleyman 卖「超级智能」，所以他的预言指向「智能马上接管一切」；Amodei 卖能写代码的模型，所以他的预言指向「价值从软件公司转移到模型公司」。预言的方向，几乎总是和签发人的资产负债表同向。这不是说他们撒谎，是说中立的技术预测和商业叙事在高管嘴里很难分开，听的人得自己做这个分离。

讣告刀口 — 同样说「白领完了」，下刀位置决定杀伤半径。Suleyman 切任务（你的活被机器干），半径是职位描述里那几行。Amodei 切商业模式（养活你这职位的生意定价塌了），半径是整条价值链。判断一个「终结论」时，先问它切的是任务、岗位，还是商业模式——三者的爆炸半径差一个数量级。

索洛悖论 2.0 — 1980 年代经济学家 Robert Solow 说「到处都看得见计算机，就是生产率统计里看不见」。2026 年它回来了：ChatGPT 发布三年多，美联储测得的累计超额生产力增长只有 1.9%，6000 名 CEO 说影响甚微。技术能力的提升和它进入生产率统计之间，存在一个以年甚至十年计的时滞，这个时滞是所有「N 个月全自动化」预言的天然对手。

预言基率 — 评估一个新预言前，先看同规格的旧预言兑现得如何。2013 年 Frey/Osborne 的「47% 岗位高风险」是上一份同等量级的讣告，结果它判为最高风险的保险核保员就业反增 16.4%，风险评分与实际流失的相关系数仅 0.26。历史基率不证明这次也错，但它给「确定的时间表 + 确定的范围」这种措辞一个应有的折扣。

分层冲击 — AI 对就业的真实早期信号不是「全员被替代」，是「入门级台阶被抽掉」。斯坦福数据显示 22-25 岁高暴露职业从业者就业相对下降 16%，其他人群稳定。它的危害不在广度在结构——没有初级层，三五年后高级人才的来源断供。这是比「白领全完」更精确、也更该让企业现在就动手的判断。

组织瓶颈 — 挡住自动化的通常不是模型不够强，是组织没准备好接它。2026 年的复盘显示 77% 的企业 AI 项目失败是组织性的（数据碎片、权限、流程未改），只有 23% 是技术性的。这正是「能力够了所以岗位会被填平」这类叙事跳过的那一环——能力是悬在那里的水，组织接口才是水管。

AI 洗白 — 用「AI 要取代这个岗位了」当裁员的对外说辞，而真实替代率远没到。当高调的全自动化预言来自有商业动机的一方，它同时是给「以 AI 之名行降本之实」提供的话术弹药。从业者听到这类预言时，要分清哪部分是技术判断，哪部分是已经被用作组织决策的修辞。

引用

1. Microsoft AI chief gives it 18 months—for all white-collar work to be automated by AI — Fortune，2026-05-17，转述 Suleyman 接受《金融时报》访谈
2. Microsoft AI CEO: Virtually All White Collar Tasks Will Be Automated Within a Year and a Half — Futurism，Suleyman 直接引语与质疑
3. Anthropic CEO Dario Amodei warns some software companies will 'completely go bust' — Yahoo Finance，转述 Amodei 达沃斯 WSJ 访谈
4. Dario Amodei on Safety, Job Displacement and Anthropic's $350B Valuation | WSJ — WSJ × 世界经济论坛原始访谈视频
5. Oops: The Predicted 47 Percent of Job Loss From AI Didn't Happen — ITIF，2022，Frey/Osborne 预言复盘
6. The AI Labor Debate: Three Views on the Future of Work — Carnegie 国际和平基金会，2026-04，三阵营框架 + 斯坦福分层数据
7. Thousands of CEOs admit AI had no impact on employment or productivity — Fortune，NBER 6000 CEO 调查 + 索洛悖论